Inteligencia de Negocios

Transcripción

1 Inteligencia de Negocios Seminario de Redes Inteligentes Oscar Duarte Abril 15 del 2011

2 Agenda Base de datos relacionales Bodegas de datos Minería de datos

3 Bases de datos relacionales

4 Bases de datos relacionales Cómo almacenar un listado de libros? Tablas: Título Autor Editorial Cálculo Thomas Willey Física Sears Oxford Circuitos Hayt McGH Almacenamiento y recuperación de la información

5 Bases de datos relacionales y si son varios autores? Título Autor Editorial Cálculo Thomas - Freedman Willey Física Sears - Jhonson - Ljung Oxford Circuitos Hayt - Ljung McGH

6 Bases de datos relacionales y si son varios autores? Título Autor Editorial Cálculo Thomas - Freedman Willey Física Sears - Jhonson - Ljung Oxford Circuitos Hayt - Ljung McGH Título Autor 1 Autor 2 Autor 3 Editorial Cálculo Thomas Freedman Willey Física Sears Jhonson Ljung Oxford Circuitos Hayt Ljung McGH

7 Bases de datos relacionales y si son varios autores? Título Autor Editorial Cálculo Thomas - Freedman Willey Física Sears - Jhonson - Ljung Oxford Circuitos Hayt - Ljung McGH Título Autor 1 Autor 2 Autor 3 Editorial Cálculo Thomas Freedman Willey Física Sears Jhonson Ljung Oxford Circuitos Hayt Ljung McGH

8 Bases de datos relacionales Libros Id Título 1 Cálculo 2 Física 3 Circuitos

9 Bases de datos relacionales Libros Id Título 1 Cálculo 2 Física 3 Circuitos Autores Id Apellido 1 Thomas 2 Freedman 3 Sears 4 Jhonson 5 Ljung 6 Hayt

10 Bases de datos relacionales Libros Id Título 1 Cálculo 2 Física 3 Circuitos Libros_Autores Id_libro Id_autor Autores Id Apellido 1 Thomas 2 Freedman 3 Sears 4 Jhonson 5 Ljung 6 Hayt

11 Bases de datos relacionales Libros Id Título 1 Cálculo 2 Física 3 Circuitos Libros_Autores Id_libro Id_autor Autores Id Apellido 1 Thomas 2 Freedman 3 Sears 4 Jhonson 5 Ljung 6 Hayt La clave está en las claves

12 Bases de datos relacionales Un sólido soporte matemático: Álgebra relacional. Codd A Relational Model of Data for Large Shared Data Banks. (1970) Un lenguaje versátil de almacenamiento, modificación y consulta: SQL: Structured Query Language

13 Bases de datos relacionales Ventajas del modelo relacional: Elimina la redundancia. Reduce las inconsistencias. Protege la integridad de los datos. Múltiples motores: Oracle, MySql, Postgresql, Sql server

14 SQL. Ejemplos Crear una base de datos: CREATE DATABASE prueba; Crear una tabla: CREATE TABLE Libros(id int auto_increment, título char(255); Insertar información: INSERT INTO Libros(título) VALUES ('Cálculo');

15 SQL. Ejemplos Recuperar información: SELECT * FROM Libros WHERE título LIKE 'Cálculo'; Recuperar información relacionada SELECT * FROM Libros INNER JOIN Libros_Autores ON Libros.id=Libros_Autores.id_libro WHERE Apellido LIKE 'Thomas';

16 El modelo Entidad-Relación. UML N:N Libro N Escrito por N Autor Título Apellidos

17 Bodegas de datos

18 El problema: B.D. heterogéneas Operación Clientes Proveedores Equipos Una torre de babel

19 Tras la solución Orientación temática. Integración de datos. No volatilidad. Contextos temporales. Una versión de la 'verdad'. Inversión a largo plazo.

20 El esquema usual The Data Warehouse toolkit. Kimball & Ross

21 El esquema usual Building and mantaining a Data Warehouse. Silvers

22 De la operación a la bodega ETL: Extract,Transform, Load Limpieza Completez Coherencia Estandarización

23 Data Warehose / DataMarts Building and mantaining a Data Warehouse. Silvers

24 Modelo dimensional (modelo en estrella) Building and mantaining a Data Warehouse. Silvers

25 Para destacar Los DataMarts no son sólo para resumir. Los modelos dimensionales no son soluciones de departamento, no de empresa. La definición del mínimo nivel de detalle de la tabla de eventos debe contemplar necesidades de negocio futuras.

26 Reportes de Inteligencia de negocios (BI) Building and mantaining a Data Warehouse. Silvers

27 BI - Factores de éxito Desempeño. Administración de recursos. Interfaz de usuario. Debe reflejar la empresa. Presentación de la arquitectura de datos. Origen de los datos. Respeto del modelo de datos.

28 (BI) - Factores de éxito Capacidad para responder preguntas. Movilidad. Flexibilidad. Disponibilidad. Enfoque al usuario: adaptabilidad, programación de tareas, proactividad y reactividad.

29 Tipos de reporte Reportes predefinidos. Reportes interactivos. Reportes OLAP (Online Analytical Process)

30 Ciclo de vida The Data Warehouse toolkit. Kimball & Ross

31 Minería de datos

32 Piramide de descubrimiento de conocimiento Conocimiento Información Datos Ingeniería de conocimiento

33 Piramide de descubrimiento de conocimiento Conocimiento Información Datos Estrategia Programación Operación Ingeniería de conocimiento

34 Piramide de descubrimiento de conocimiento Conocimiento Estrategia Información Programación Datos Operación Nunca olvidar: GIGO Ingeniería de conocimiento

35 Minería de datos Tipos de análisis: Exploratorios: Búsqueda de hipótesis y relaciones. Confirmatorios: Pruebas de hipótesis. Es un ejercicio dinámico. Interacción usuario herramienta.

36 Minería de datos y estadística Se usan muchos conceptos y técnicas de la estadística. La minería de datos abarca el pre y pos-procesamiento de datos, por ejemplo la visualización.

37 Minería de datos y estadística El volumen de información y la calidad de la misma hacen impráctico un análisis estadístico 'tradicional'. La estadística es más probatoria que exploratoria.

38 Algunas técnicas usadas en Minería de datos Agrupamiento. Reglas de asociación. Redes Neuronales. Mapas autoorganizativos. Árboles de decisión. Algoritmos genéticos. Minería de texto.

39 Algunas aclaraciones sobre la minería de datos No descubre automáticamente patrones escondidos en los datos. No está diseñada para analistas de negocios que 'no manejen números'. Los hallazgos no se traducen fácilmente en decisiones de negocio. No se circunscribe a los sistemas soporte de decisión.

40 Calidad de los datos Calidad: 'Éxito o fracaso en cumplir las expectativas del cliente'. Deming. La calidad debe ser medible: Completez Latencia Precisión Mejoramiento contínuo de la calidad.

41 Data Quality Service Level Agreement (SLA) Expectaivas de calidad claras. Expectativas de calidad cuantificables y medibles. Herramientas de medición desde la Bodega de Datos. Publicación de resultados. Resultados usados en mejoramiento.